“分类-产品”结构的网页数据精确抽取方法探寻

对"分类-产品"结构的网页特征进行分析之后,提出一种基于XQuery的精确抽取方法。该方法先提取分类页面的分页信息、产品URL等特征点,爬虫根据特征点进行爬取,然后对产品网页进行数据抽取并保存于XML数据库,使用XPath进行数据查询。该方法适用于需要精确抽取产品数据进行数据建模分析的情景。

基于WEB的企业信息集成系统

在Ｉｎｔｒａｎｅｔ和Ｉｎｔｅｒｎｅｔ环境中，数据结构的多样和数据分布的多样，给企业的信息综合分析和决策制定的工作带来了极大的挑战．Ｗｅｂ的迅速普及，使这个问题日益突出。本文以基于Ｗｅｂ的数据采集和分析为重点，提出了企业管理集成系统的一整套解决方案，包括网页包装工具，异构数据源的数据整合工具，数据分析工具，完成了包装非结构化数据、从不同数据源提取数据、正确完整地组织异构数据源的数据、按需求组织数据的工作，并提供对查询结果作进一步分析的功能，使企业能够用统一的界面去查询、收集和处理来自Ｗｅｂ 和远程数据库多个数据源的信息。帮助其完成决策制定。

基于XML的Web系统集成

随着Internet上的信息量的迅速增加，Web系统集成已经成为越来越迫切的工作。XML是Internet数据表示和数据交换新的标准，正是XML的特性使得基于其的Web系统集成成为可能，从而更好地服务用户。该文以“上海高校网络图书馆”为实例，对Web系统集成进行了详细的阐述。

Web内容抽取及其数据管理方法

随着Internet及其相关技术的飞速发展 ,WWW已成为最大的信息集散地 .无论对企业还是个人 ,Web逐渐成为最主要的信息来源 .然而由于网站数量过多以及由此带来的信息泛滥 ,使得有用信息的获取越来越困难 .搜索引擎只能提供信息的查找范围 ,而具体的内容还要靠详细搜查 .而且网页信息都是非结构化或半结构化的 ,无法直接利用分析工具进行分析 .所以有必要提供一种网页内容自动抽取及使网页数据结构化的方法 。